水下目标识别技术探究
Technology Analysis 技术分析DCW
111数字通信世界2019.04（接上页）视，并采取相应有力措施加以解决，以促进高速公路
机电通信新技术的应用，为高速公路的发展提供更多通信技术支
持。
参考文献[1] 黄冠群.高速公路机电系统的维护与管理[J].科技创新与应用，2014，15（06）：199.[2] 王小利.高速公路机电工程通信系统技术浅述[J].工程技术，2017，4（下）：977.
1 研究背景
一般来说，水下目标情况复杂，我们研究的方向主要包括包
括舰船、潜艇、水雷、鱼群、海底沉物、地貌底质等。水下目标识别是实现水声装备与武器系统智能化的关键技术，更是现代信
息化条件下克敌制胜的前提，一直是各国海防领域面临的技术难
题。在20世纪40年代，世界各主要国家就已开始重视水下目标
识别技术，鉴于水下目标识别领域具有复杂性和特殊性，导致
该技术研究进展一直较为缓慢。近年来，尤其是军事应用方面，
低噪声核潜艇的出现对水下目标特征分析和识别技术的需求愈
加强烈。同时，新兴的信息处理技术、微处理器技术、VLSI 和
VHSIC 技术也取得了重大进展。正是基于军事需求和新兴电子技术的推动下，数值计算和实验室仿真技术日趋成熟，水下目标
识别技术迅速发展起来。
2 识别技术的发展 水下目标识别根据回波信号符合大信噪比条件，一般分为瞬态回波信号识别和水声图像信号识别两种。前者主要用于识别航
行舰艇，直接对目标回波或噪声信号进行实时辨别；后者多用于
静态目标，如海底沉淀物、地质结构等识别。早期的目标识别技
术，目标判断主要依据目标噪声或回波的波形音调、节奏分布特
性进行识别。随着研究技术和设备的发展，上个世纪七十年代后，目标回波的亮点分布结构起伏和展宽特性以及目标噪声的线谱分
布特性均已作为目标的特征量。但由于目标本身以及声传输信道
的复杂性，目标特征量及其数量的选取问题还是没有得到有效解
决。八十年代以来，目标识别技术广泛引入了近代信号处理技术，仪器设备研制和测量水平得到大幅提升，这为水下目标特征量提
取和数据收集提供了便利条件，与此同时，人工神经网络分析将
目标识别过程进一步智能化。
在全球电子化、智能化手段的快速发展和广泛应用下，各国
在水下目标识别的多个领域实现了突破。一是日本东京大学和美
国RESON 公司从2010年起联合开发应用于浅海及沿岸港口的自
动声纳目标探测跟踪系统。此系统能在低信噪比情况下，有效跟
踪探测水下运动目标。并在此基础上，使用干涉仪测量法计算相
位差场，这样就能够有效抑制噪声混响及静止假目标的干扰，从而提高识别率。二是美国爱荷华大学2013年深入研究了非稳态干扰下主动声纳目标探测及分类，并提出自适应子空间跟踪算法，在时频区域对目标回波进行动态监测，结果表明此算法能够有效抑制杂波对目标回波的干扰。三是欧美各国均建立了蛙人散射模型，进行水下小目标探测识别研究。通过实验，仿真分析了蛙人的目标强度，并开展水池试验，测量了蛙人呼吸气瓶的目标强度，
海上试验测量了蛙人目标强度。据公开资料显示，蛙人探测声纳（DDS ）的性能描述，几乎所有的蛙人探测声纳均称实现了目标
识别和预警。四是2013年，美国海洋SPAWAR 系统中心海洋系统太平洋分部，应用多普勒方位测定法对多基地连续主动声纳目标进行跟踪。在多收发装置情况下，以此方法对目标进行有效定位和跟踪，取得良好效果。在先进发达国家的推动下，目标特性试验数据资源建设较为完善。俄罗斯、美国、英国在多年前就建立了大西洋海上试验场、DERA 测试场、活动式试验场及靶场，收集并整理了大量本国和盟约国及世界各国的舰艇目标特征数据资源，并对这些数据资源进行了对比分析、深层次挖掘，形成以特征库数据为基准的探测、识别体系。据了解，美俄等军事大国，每艘潜艇上都具有相应数据库，库中记载着各种舰艇、水中兵器的数据库及特征知识库，从而为作战中指挥官的准确判断提供数据支撑。
3 未来发展趋势随着吸声和隔声材料工艺提高、发动机减振降噪技术提升、仿生技术发展、干扰器种类多样化以及安静级潜艇应用给复杂的水下目标探测提出更高要求，识别与反识别技术出现了激烈碰撞。同时，水下目标识别技术和途径也逐渐多样化，己从单一源目标
提高到系统综合识别。据研究发现，现代激光技术可以作为水下目标识别系统的补充，尤其是在浅水区域、环境复杂的海洋区域、不易接近的区域等，使用激光可以快速探测和识别。机载激光扫描系统可以快速部署，用于探测水下目标或水面浮动目标。如果
目标足够大，机载激光扫描还可识别不同类型的目标，在这种情况下，在水面平台或水下平台上部署激光门控视图（LGV ）、水下激光扫描（ULS ）系统，可以确认目标。可以预见，未来的发展方向主要是非声探测、多传感器信息融合和智能目标识别等。人工智能技术与水声目标识别有机结合将是今后水下目标识别研究的重要方向。 参考文献[1] 丁玉薇.被动声呐目标识别技术的现状与发展[J].声学技术，2004，23（4）.[2] 强超超 王元斌.水声目标识别技术现状与发展[J].指挥信息系统与技术，2018，9（2）.
[3] 徐慧.水声目标被动识别相关技术研究[D].武汉：中国舰船研究院，2017[4] 柳革命，孙超，杨益新.基于特征融合的被动声呐目标识别[J].计算机仿真，2009，26（8）.水下目标识别技术探究
刘梦琪
（哈尔滨工程大学水声学院，哈尔滨 150000）
摘要：水下目标识别就是从水声信号中提取水下目标特性并做出识别，确定出目标的本质属性，进而采取有效应对措施。在军事方面，水下目标识别是世界各国海防情报处理的重要组成，是武器分配、反潜和鱼雷防御的前提；在民用方面，水下目标识别是现代化海洋开发利用的重要基础。因此，开展水下目标识别研究在国家安全、海洋应用等方面意义重大。
关键词：水声目标；技术发展；综合识别
doi ：10.3969/J.ISSN.1672-7274.2019.04.081
中图分类号：TP391.4 文献标示码：A 文章编码：1672-7274（2019）04-0111-01
水下目标搜索与识别技术
水下目标搜索与识别技术 水下目标搜索与识别系统一般分为光视觉系统和声视觉系统，当距离物体十米以内，一般采用光视觉系统，当距离物体大于十米以上时则用声视觉系统。当前流行的趋势是采用激光的方式来进行目标搜索与识别。 一．光视觉系统 传统的光视觉系统包括水下摄像机、照明等设备用来满足获取光学图像和视频信息等基本的要求。而现在的光视觉系统不仅要求满足上述要求，还要求具备对图像和视频信息进行处理、特征提取以及分类识别的功能。总之，只能水下机器人中光视觉系统的使命是：快速、准确德获取水下目标的相关信息，并对信息进行实时处理，将处理结果反馈给计算机，从而指导机器人进行正确的作业。 1.光视觉系统框架 水下光视觉系统主要分为三大块：(1)底层模块:图像采集系统，包括专用水下CCD感光摄像头和图像采集卡，这部分属于硬件部分；(2)中层模块：图像处理，包括图像预处理、图像分割、特征提取、根据目标模型进行学习，形成知识库和逻辑推理机制，得到单幅图像的初步理解和评价。(3)高层模块：分类是水下目标识别最为核心的技术，也是最终实现部分。 1.1硬件组成 光视觉系统硬件包括光视觉计算机、水下CCD摄像头、云台和辅助照明灯。光视觉计算机完成视觉建模、高层视觉信息处理和理解、与机器人主控计算机的网络通讯，实时监控系统每个时间节拍的运行状态与处理参数。 1.2软件体系 水下光视觉系统的软件体系涵盖了两个部分：中层模块和高层模块。中层模块主要负责图像处理工作(图像处理一般包括图像预处理、图像分割和特征提取三方面)。高层模块是水下目标识别系统的最终实现部分，一般采用的是神经网络识别算法进行识别分类。 二．声视觉系统 理想的声视觉系统作为智能水下机器人的传感设备，应该具备灵敏度高、空间分辨率高、隐蔽性好、抗干扰能力强、自主调节和全天候作业等特点，能适合
水下图像目标识别的预处理综述
水下图像目标识别的预处理综述 【摘要】图像预处理是对水下图像目标识别处理的一项关键技术，也是一项经典难题。文章分析归纳了基本的预处理技术，以及目标识别方法和应用，提出了一些发展思路和要点。【关键词】目标识别；水下图像；预处理 0、引言 自主式水下机器人（AUV-Autonomous Underwater Vehicle，本文简称水下机器人）是新一代水下机器人，由于其在军事和商业上的重要应用价值和在高技术运用上面临的众多挑战，它越来越多的受到军事工程师和技术人员的重视，并进行了大量的研究与试验工作。在军用领域则可用于侦察、布雷、灭雷和援潜救生等；在民用领域，它可应用于数据收集，海底头探测，海底考察，管道铺设，水下设备的维护与维修等。鉴于水下机器人的诸多重要的应用领域，其视觉分辨能力又是其执行各种任务，获取水下信息的重要途径，所以对水下机器人的图像采集，水下目标的图像处理与识别就显得越来越重要，是水下机器人能够正常工作的不可或缺的技术保障。 水下图像采集的复杂性： 1、江、河、海洋等水体环境复杂。水体流动噪声的波纹、浮游生物以及水中微粒等都会造成成像背景不单一，总会有噪声出现。 2、光源不稳定。入射到摄像头里面的光会因不同类型的物体在水下反射在水下的反射程度不同而不均匀。 3、所采集到的图像是三维景物的二维投影，所以一幅图像本身不具备完全复现三维景物的全部几何信息的能力，造成空间几何失真。 总之，水下目标识别是目前智能机器人技术发展的关键能力之一，既要发挥光学成像技术的分别率高的优势，又要克服噪声相对复杂的一些技术难点。 在对国内外大量的相关文献进行查阅的基础上，进行归纳总结发现近些年的水下目标识别主要采取的方法有以下几个方面：（1）数理统计方法的应用；（2）神经网络方法的应用；（3）数学形态学的处理与识别方法；（4）声图像的阴影暗区方法的应用；（5）Markov 随机场模型理论应用到识别领域。 一般来说，目标识别是在对图像目标进行预处理之后，选取一定的特征量加以识别和分类，然后输出结果。
水下磁异常探测
基于水下磁异常的潜艇探测技术 0引言 目前以声响讯号探测水面下的人造物体成为运用最广泛的手段。但由于复杂的海洋环境，声纳探测的灵敏度受到一定的限制，同时，声纳探测还有自身的诸如“声影区”的局限，探测海洋中的运动物体（如潜艇）和海洋资源，非声探测技术将发挥重要的作用，其中水下磁场探测技术是一种基于磁异信号的目标探测技术，是近年来随着磁传感器的测量精度不断提高而新兴的一种目标磁探测技术。虽然电磁波在水中衰减的速率非常的高，但随着减声降噪技术的发展，磁测量定位可以准确地推算出磁体与探头之间的相对位置，获得磁体在不同的位置下准确的磁场信息，磁探测技术被广泛地应用于军事设施上可以定位侵入防护区域的磁性目标（坦克，潜水艇，导弹等）的探测。因此，开展水下目标磁探测研究，根据水下大型目标磁场的远场分布特征，建立目标磁场分布的探测模型，对水下大型目标进行远程探测，迅速准确地判断出目标物的类型，并进一步对其进行定向与定位，已成为在现代海战中取得决胜的关键性因素。 1水下目标磁异常探测原理 磁探测技术是各种非声探测中发展较早、技术较成熟的一种探测方法，与声纳技术相比具有识别能力高、运行时间短、定位精度高及成本低等优点。海洋磁探测是搜索水下磁性体最有效的手段之一，这些磁性体产生的感应磁场叠加在海洋磁背景场之上，会导致海洋磁背景场明显畸变，会改变所在位置周围空间的地磁场分布，从而产生磁场异常信号，通过测试和处理磁异信号，可以得到反映磁性目标的探测信息，其物理基础为：含有铁磁性物质的物体会改变所在位置周围空间的地磁场分布，从而产生磁场异常信号，其原理如图1所示。 图 1 磁异常现象示意图 可见基于磁异信号的目标磁探测技术与磁异常场和地磁场有关。对磁性目标的探测信息的提取都是通过对磁异信号的测量，从地磁场（近似均匀场）为背景中提取出来的。 2水下磁异常探测研究现状 2.1潜艇磁场模型建立 分析目标的磁特性可以使磁异常探测系统准确确定目标，根据磁场来源可将用于水下目标探测的电磁场主要有四种：第一种是水下潜艇一般都是由不同金属构成的，不同金属之间会产生电化学腐蚀电流从而产生的感应电磁场，还有就是为了防止海水腐蚀金属，外加电流
水下光学图像中目标探测关键技术研究综述
水下光学图像中目标探测关键技术研究综述 一、引言 近年来，海洋信息处理技术蓬勃发展，水下目标探测技术的应用也日益广泛，涉及海底光缆的铺设、水下石油平台的建立与维修、海底沉船的打捞、海洋生态系统的研究等领域。水下光学图像分辨率较高，信息量较为丰富，在短距离的水下目标探测任务中具有突出优势。然而，由于受水下特殊成像环境的限制，水下图像往往存在噪声干扰多、纹理特征模糊、对比度低及颜色失真等诸多问题。因此，水下目标探测任务面临诸多挑战，如何在图像可视性较差的情况下，精确、快速、稳定地检测识别和跟踪水下目标物体是亟待解决的问题。 根据水下目标探测任务的执行步骤，将基于光学图像的水下目标探测关键技术分为图像预处理和目标探测两部分。其中，水下目标探测特指水下目标检测、识别与跟踪。近年来，国内外研究人员对基于光学图像的水下目标探测关键技术进行了大量研究，水下目标探测技术取得了迅速发展，一些研究人员总结了关键技术的发展现状。Sahu等总结了一系列水下图像增强算法，Han等对水下图像智能去雾和色彩还原算法进行了综述，Kaeli等概述了一组用于水下图像颜色校正改进的算法，郭继昌等对水下图像增强和复原算法进行了
系统归纳并通过实验对比了不同算法，Moniruzzaman等梳理了近年来深度学习在水下图像分析中的应用。然而，这些综述仅总结了水下目标探测某一关键技术的研究成果，目前仍缺少对水下目标探测关键技术的系统概述。 本文从水下图像预处理和水下目标检测、识别、跟踪技术入手，详细归纳了水下目标探测关键技术的研究现状。根据是否需要构建模型，将水下图像预处理分为图像增强和图像复原，并重点分析了水下图像增强的各类方法（基于直方图处理、基于Retinex理论、基于图像融合和基于深度学习的方法）的优缺点。由于水下目标跟踪技术的相关研究论文较少，本文主要从传统方法和深度学习两个角度讨论了水下目标检测与识别相关算法，并简要介绍了常用的水下图像数据集。在上述基础上指出了水下光学图像中的目标探测技术亟待解决的问题，讨论了解决思路和进一步发展方向。 二、水下图像预处理 与大气光学成像技术相比，水下光学成像技术深受水体光吸收和散射的影响，可见光在水体中传播的波长依赖性使得水下图像呈现蓝绿色调，水体中的杂质微粒对光的散射导致图像细节模糊以及表面雾化。为解决上述问题，研究人员提出了大量水下图像预处理算法，分为基于非物理模型的图像增强方法和基于物理模型的复原方法。
水下目标识别技术探究
Technology Analysis 技术分析DCW 111数字通信世界2019.04（接上页）视，并采取相应有力措施加以解决，以促进高速公路 机电通信新技术的应用，为高速公路的发展提供更多通信技术支 持。 参考文献[1] 黄冠群.高速公路机电系统的维护与管理[J].科技创新与应用，2014，15（06）：199.[2] 王小利.高速公路机电工程通信系统技术浅述[J].工程技术，2017，4（下）：977. 1 研究背景 一般来说，水下目标情况复杂，我们研究的方向主要包括包 括舰船、潜艇、水雷、鱼群、海底沉物、地貌底质等。水下目标识别是实现水声装备与武器系统智能化的关键技术，更是现代信 息化条件下克敌制胜的前提，一直是各国海防领域面临的技术难 题。在20世纪40年代，世界各主要国家就已开始重视水下目标 识别技术，鉴于水下目标识别领域具有复杂性和特殊性，导致 该技术研究进展一直较为缓慢。近年来，尤其是军事应用方面， 低噪声核潜艇的出现对水下目标特征分析和识别技术的需求愈 加强烈。同时，新兴的信息处理技术、微处理器技术、VLSI 和 VHSIC 技术也取得了重大进展。正是基于军事需求和新兴电子技术的推动下，数值计算和实验室仿真技术日趋成熟，水下目标 识别技术迅速发展起来。 2 识别技术的发展 水下目标识别根据回波信号符合大信噪比条件，一般分为瞬态回波信号识别和水声图像信号识别两种。前者主要用于识别航 行舰艇，直接对目标回波或噪声信号进行实时辨别；后者多用于 静态目标，如海底沉淀物、地质结构等识别。早期的目标识别技 术，目标判断主要依据目标噪声或回波的波形音调、节奏分布特 性进行识别。随着研究技术和设备的发展，上个世纪七十年代后，目标回波的亮点分布结构起伏和展宽特性以及目标噪声的线谱分 布特性均已作为目标的特征量。但由于目标本身以及声传输信道 的复杂性，目标特征量及其数量的选取问题还是没有得到有效解 决。八十年代以来，目标识别技术广泛引入了近代信号处理技术，仪器设备研制和测量水平得到大幅提升，这为水下目标特征量提 取和数据收集提供了便利条件，与此同时，人工神经网络分析将 目标识别过程进一步智能化。 在全球电子化、智能化手段的快速发展和广泛应用下，各国 在水下目标识别的多个领域实现了突破。一是日本东京大学和美 国RESON 公司从2010年起联合开发应用于浅海及沿岸港口的自 动声纳目标探测跟踪系统。此系统能在低信噪比情况下，有效跟 踪探测水下运动目标。并在此基础上，使用干涉仪测量法计算相 位差场，这样就能够有效抑制噪声混响及静止假目标的干扰，从而提高识别率。二是美国爱荷华大学2013年深入研究了非稳态干扰下主动声纳目标探测及分类，并提出自适应子空间跟踪算法，在时频区域对目标回波进行动态监测，结果表明此算法能够有效抑制杂波对目标回波的干扰。三是欧美各国均建立了蛙人散射模型，进行水下小目标探测识别研究。通过实验，仿真分析了蛙人的目标强度，并开展水池试验，测量了蛙人呼吸气瓶的目标强度， 海上试验测量了蛙人目标强度。据公开资料显示，蛙人探测声纳（DDS ）的性能描述，几乎所有的蛙人探测声纳均称实现了目标 识别和预警。四是2013年，美国海洋SPAWAR 系统中心海洋系统太平洋分部，应用多普勒方位测定法对多基地连续主动声纳目标进行跟踪。在多收发装置情况下，以此方法对目标进行有效定位和跟踪，取得良好效果。在先进发达国家的推动下，目标特性试验数据资源建设较为完善。俄罗斯、美国、英国在多年前就建立了大西洋海上试验场、DERA 测试场、活动式试验场及靶场，收集并整理了大量本国和盟约国及世界各国的舰艇目标特征数据资源，并对这些数据资源进行了对比分析、深层次挖掘，形成以特征库数据为基准的探测、识别体系。据了解，美俄等军事大国，每艘潜艇上都具有相应数据库，库中记载着各种舰艇、水中兵器的数据库及特征知识库，从而为作战中指挥官的准确判断提供数据支撑。 3 未来发展趋势随着吸声和隔声材料工艺提高、发动机减振降噪技术提升、仿生技术发展、干扰器种类多样化以及安静级潜艇应用给复杂的水下目标探测提出更高要求，识别与反识别技术出现了激烈碰撞。同时，水下目标识别技术和途径也逐渐多样化，己从单一源目标 提高到系统综合识别。据研究发现，现代激光技术可以作为水下目标识别系统的补充，尤其是在浅水区域、环境复杂的海洋区域、不易接近的区域等，使用激光可以快速探测和识别。机载激光扫描系统可以快速部署，用于探测水下目标或水面浮动目标。如果 目标足够大，机载激光扫描还可识别不同类型的目标，在这种情况下，在水面平台或水下平台上部署激光门控视图（LGV ）、水下激光扫描（ULS ）系统，可以确认目标。可以预见，未来的发展方向主要是非声探测、多传感器信息融合和智能目标识别等。人工智能技术与水声目标识别有机结合将是今后水下目标识别研究的重要方向。 参考文献[1] 丁玉薇.被动声呐目标识别技术的现状与发展[J].声学技术，2004，23（4）.[2] 强超超 王元斌.水声目标识别技术现状与发展[J].指挥信息系统与技术，2018，9（2）. [3] 徐慧.水声目标被动识别相关技术研究[D].武汉：中国舰船研究院，2017[4] 柳革命，孙超，杨益新.基于特征融合的被动声呐目标识别[J].计算机仿真，2009，26（8）.水下目标识别技术探究 刘梦琪 （哈尔滨工程大学水声学院，哈尔滨 150000） 摘要：水下目标识别就是从水声信号中提取水下目标特性并做出识别，确定出目标的本质属性，进而采取有效应对措施。在军事方面，水下目标识别是世界各国海防情报处理的重要组成，是武器分配、反潜和鱼雷防御的前提；在民用方面，水下目标识别是现代化海洋开发利用的重要基础。因此，开展水下目标识别研究在国家安全、海洋应用等方面意义重大。 关键词：水声目标；技术发展；综合识别 doi ：10.3969/J.ISSN.1672-7274.2019.04.081 中图分类号：TP391.4 文献标示码：A 文章编码：1672-7274（2019）04-0111-01
水下多目标跟踪技术_党建武
水下多目标跟踪技术 党建武,黄建国 (西北工业大学,陕西西安 710072) 摘 要:基于现代海洋环境和经济发展的要求,论述了水下多目标跟踪技术的重要性,详细 讨论了过去几十年来多目标跟踪技术的发展,探讨了水下多目标跟踪中的关键技术,指出了 未来水下多目标跟踪技术的发展趋势。 关键词:水下目标;探测;多目标跟踪 中图分类号:TP 14;TN 911 文献标识码:A 文章编号:1008-1194(2003)01-0048-05 0 引言 水下多目标跟踪是指使用一个或多个探测器对水下的多个监测目标的运动状态进行跟踪。水下多目标跟踪理论和技术主要包括目标模型、自适应跟踪算法、跟踪门的形成、数据关联、跟踪维持、跟踪起始及跟踪终结等几方面内容。多目标跟踪需要周期地采样目标的状态并基于每个运动目标的概率分配采样值,每个运动目标的概率值是当前状态和目标轨迹的历史函数。轨迹辨识和轨迹相关的目的并不是为了对每一个被跟踪的目标建立一份档案,而是利用目标轨迹的信息实现某种目的,例如导航、捕获或攻击。水下多目标跟踪技术的研究,对于海防、区域防御、作战监视,海上安全作业及海洋开发等领域有着广泛的应用价值和重要的战略意义,因此,在近四十年来这一问题受到许多发达国家的密切关注。1 多目标跟踪技术的发展 多目标跟踪(MT T )的基本概念首先是由Wax [1] 在1955年提出的,他提出了初始目标航迹形成、航 迹保持、航迹删除的概念与模型,并且用一些估计方法得到其解。1964年,Sittler [2,3]在包括数据关联等 内容的多目标跟踪理论方面取得了开创性的突破。 1972年,Bar -Shalom 与Jaffer [4]首先指出有必要利用跟踪门内的所有回波以获得可能的后验信息,在此基础上,1975年,Bar-Shalom 与Tse [5]一起完成了单目标跟踪的概率数据关联算法。 1974年,Bar-Shalom [6]推广了他提出的单目标跟踪的概率数据关联算法,以使得跟踪滤波器可以对多个目标进行处理而不需要关于目标或杂波的任何先验信息。从1974年到1977年,M orefield 发表了一系列的文章[8],以证明多目标跟踪问题实际上是属于一类已被充分研究过的离散最佳化问题,即0～1整数规划问题中集合的分解和组合问题,并由此导出了多目标跟踪的整数规划方法[9]。 在采用高斯和的Bayes 迭代估值的基础上[10],A lspach [11]提出了跟踪多目标的高斯和方法。其中假定被跟踪的目标数与探测器接收到的回波数始终相等,而且每一回波均含有某一被跟踪目标的状态信息。Sittler 在其开创性的工作中[2]首先提出了以每一可能轨迹的似然函数为基础的轨迹分裂方法。1975年,Sm ith 与Buechler [12]提出了一种类似的滤波器。每一可能轨迹的似然函数的计算与文献[2]相似,如果回波位于跟踪门内,其被用来更新相应目标的状态,否则,即不与考虑。如果几个不同“目标”所得状态估计值相似的话,其中与似然函数较大的目标的估计值的差小于某一特定值的估计被剔除。 1979年,Reid 提出了以“全邻”最优滤波器以及Bar -Shalom 所提出的聚概念为基础的多目标跟踪 第25卷第1期 2003年3月探测与控制学报Journal of Detection &C ontrol Vol.25.No.1M ar.2003 X 收稿日期:2002-06-11基金项目:国家“九五”、“十五”国防重点预研项目。作者简介:党建武(1964—),男,陕西临潼人,西北工业大学博士研究生。研究方向:水下多目标跟踪技术、信号与信息处理。
水面舰船目标检测识别系统设计
水面舰船目标检测识别系统设计 本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载按钮下载本文档（有偿下载），另外祝您生活愉快，工作顺利，万事如意！ 在我国近海岸输油、气管道常常会因为不明船只在附近施工、作业或抛锚等危险行为而造成破坏，为了更好的保护海底管道，因而需要在沿管道附近的水域建立一套安防系统，检测过往船只航行状态，对危险目标进行实时预警，并把报警信息实时传送给上位机系统进行处理，以便安防管理人员快速响应报警情况，从而有效保护海底管道的安全。目前，国内外有许多使用图像和视频的方法来检测舰船，但在功耗、硬件实现等方面受到制约。 鉴于此，通过结合水声技术，提出了采用水声与雷达、视频联合自动监测方案，利用水声被动测量可长期工作的特点，实现对海管沿线水面、水下目标的前期声学预警，再利用岸基雷达的短期主动扫描，获取水面可疑目标的准确参数，而视频监测设备则用于雷达近端监测盲区的补充测量，以实现对海底管道附近水域进行全天候无死角的全方位监测。 文中主要论述水声监测分系统的信号处理软硬件设计，即基于浮标的海上舰船目标预警系统设计。其
主要功能包括：实现海上目标声学监测和自动识别，判断目标有无及目标状态;根据船只航行和作业等不同的频谱特性判断监测点附近是否有船只长时间停留或作业等危险存在;如有危险存在，通过北斗数据传输设备向指控中心机房传送报警信息。此外该预警系统还具有位置、电池电压等信息读取和发送功能以及对北斗模块的控制功能。舰船目标检测及识别分系统结合其它的监测系统，可有效降低海管被外部不明船只在附近施工、作业或抛锚等危险行为造成破坏的风险，具有明显的经济效益和社会意义。 1 系统总体设计 舰船目标检测及识别系统的设计思想是由浮标系统阵来完成对目标信号的初步监测，并将结果以无线通信的方式上传至岸基显控系统，岸基系统对结果进行评估，以决定是否开启雷达扫描。 系统工作原理为：首先在海上沿管道走向布放浮标阵，每个浮标上安装水听器，通过将水听器接收到的声信号传送到信号处理系统(模拟和数字)处理，实现对目标信号的检测和识别，当发现危险目标时通过北斗模块上传报警信息。整个系统由基阵、浮标系统、显控系统3 部分组成。 2 系统硬件设计
基于识别声呐的鱼群目标检测跟踪方法
基于识别声呐的鱼群目标检测跟踪方法 海洋牧场是近海渔业由传统的捕捞和养殖方式向增殖和管理利用方式转变的现代渔业形式,是指在特定海域开展类似陆地农牧场的建设,从而提高海洋生物资源的质量和产量,实现海洋生态系统的保护与资源的可持续利用。海洋牧场的渔业资源评估是海洋牧场开发的一个重要环节,目前海洋牧场的资源主要依靠计量鱼探仪测量和采样捕获调查进行评估。前者通过测量回波的目标反射强度来粗略估算鱼类数量,并无目标跟踪、定位等功能,后者的捕获方式本身就有损鱼类资源,其精度也十分有限。而识别声呐是一种利用声学透镜发射独立波束的多波束系统,它可以在昏暗或浑浊水域中生成几乎等同于光学影像的高清晰度图像,达到识别目标的程度。 相对于传统的多波束系统采用时延阵列或者数字波束形成技术进行信号的收发,识别声呐通过声学透镜实现波束形成,既降低系统功耗、减小体积,又提高了成像效率。现阶段,识别声呐在渔业探测中的应用尚停留在个体目标计数、体长测量以及行为观测阶段,并没有形成一套完整的资源评估体系。因此,本文在探讨识别声呐工作原理的基础上,利用识别声呐进行渔业资源评估的理论研究和实际应用,提出一套基于识别声呐的新型渔业资源评估方法。具体研究内容如下:对声呐图像展开预处理并进行目标提取研究。 对采集的声呐数据进行坐标变换,利用反距离加权内插法将图像还原成水下影像。利用线性变换增强图像,设计基于迭代最小二乘去噪法去除图像中的斑点噪声,采用基于信号强度模型的方法去除图像背景,利用三倍标准差准则获取阈值进行目标提取,最后针对复杂背景下的声学图像,提出一种基于Sobel算子的边缘提取结合形态学处理的目标提取算法。对鱼类跟踪算法展开研究。由于水下环境复杂,对于杂波横生、目标密集的多目标跟踪问题,基于数据关联的目标跟踪算法计算量巨大,不能实现水下多目标的实时跟踪,因此在对基于贝叶斯理论的联合概率数据关联、多假设目标跟踪等算法研究的基础上,提出基于序贯蒙特卡罗的概率假设密度滤波结合Auction航迹识别的多目标跟踪算法,利用识别声呐的定点采集模式获取水下鱼类信息,进行多目标跟踪研究,并利用VisualStudio 结合OpenGL实现多目标轨迹按照时间顺序显示在三维空间中。 研究基于识别声呐的鱼类数量评估方法。提出一种基于平均体密度和面密度